SlideShare una empresa de Scribd logo
Tema 9 - Estadística - Matemáticas B – 4º E.S.O.                                     1

TEMA 9 - ESTADÍSTICA


9.1 DOS RAMAS DE LA ESTADÍSTICA

9.1.1 - INTRODUCCIÓN

Objetivo: La estadística tiene por objeto el desarrollo de técnicas para el conocimiento
numérico de un conjunto de datos empíricos (recogidos mediante experimentos o encuestas).

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán
objeto de nuestro estudio.

Muestra: Es un subconjunto, extraído de la población, cuyo estudio sirve para inferir
características de toda la población.

Individuo: Es cada uno de los elementos que forman la población o la muestra.

Caracteres y variables: Caracteres son los aspectos que deseamos estudiar en los individuos
de una población. Cada carácter puede tomar distintos valores o modalidades. Una variable
estadística recorre todos los valores de un cierto carácter.

Clasificación de las variables estadísticas:
• Cualitativas: No toman valores numéricos
• Cuantitativas discretas: Toman valores numéricos aislados
• Cuantitativas continuas: Pueden tomar todos los valores de un intervalo.

9.1.2 - DOS RAMAS DE LA ESTADÍSTICA

•   La estadística descriptiva: Trata de “describir” y analizar algunos caracteres de los
    individuos de un grupo dado, sin extraer conclusiones para un grupo mayor. Para este
    estudio, se siguen estos pasos:
    - Selección de caracteres que interese estudiar.
    - Análisis de cada carácter: diseño de la encuesta o del experimento y recogida de datos.
    - Clasificación y organización de los resultados en tablas de frecuencias.
    - Elaboración de gráficos, si conviene, para divulgarlos a un público amplio (no
        experto).
    - Obtención de parámetros: valores numéricos que resumen la información obtenida.

•   La estadística inferencial: Trabaja con muestras y pretende, a partir de ellas, “inferir”
    características de toda la población. Es decir, se pretende tomar como generales
    propiedades que solo se han verificado para casos particulares. En ese proceso hay que
    operar con mucha cautela: ¿Cómo se elige la muestra?, ¿Qué grado de confianza se puede
    tener en el resultado obtenido? (No la estudiaremos este año)
Tema 9 - Estadística - Matemáticas B – 4º E.S.O.                                           2

ESTADÍSTICA DESCRIPTIVA

9.2 TABLAS DE FRECUENCIAS

9.2.1 - DEFINICIÓN

Las tablas de frecuencias sirven para ordenar y organizar los datos estadísticos. Con ellas,
una masa amorfa de datos pasa a ser una colección ordenada y perfectamente inteligible.
                                                               xi    fi
Con los datos se construye la tabla de frecuencias:
   - En la primera columna, la variable xi, con todos
       sus posibles valores
   - En la segunda columna, la correspondiente
       frecuencia, fi: número de veces que aparece cada
       valor.

9.2.2 -FRECUENCIAS RELATIVAS

Cuando se desea comparar varias distribuciones similares con distinto número de elementos,
se debe recurrir a las frecuencias relativas. Estas vienen dadas en “tanto por uno” (fr) o en
                                                               f                    100.f
“tantos por ciento” (%). Si N es el número de individuos: fr =         % = 100.fr =
                                                               N                      N

9.2.3 - FRECUENCIAS ACUMULADAS

En una distribución de frecuencias, se llama frecuencia acumulada, Fi, correspondiente al
valor i-ésimo, xi, a la suma de la frecuencia de ese valor con todas las anteriores: Fi = f1 + f2 +
.... + fi
Análogamente se puede definir frecuencia relativa acumulada o porcentaje acumulado.

9.2.4 - TABLAS CON DATOS AGRUPADOS

Cuando en una distribución estadística el número de valores que toma la variable es muy
grande, conviene elaborar una tabla de frecuencias agrupándolos en intervalos. Para ello:
   - Se localizan los valores extremos, a y b, y se halla su diferencia, r = b–a
   - Se decide el número de intervalos que se quiere formar, teniendo en cuenta la cantidad
       de datos que se poseen. El número de intervalos no debe ser inferior a 6 ni superior a
       15.
   - Se toma un intervalo, r’, de longitud algo mayor que el recorrido r y que sea múltiplo
       del número de intervalos, con objeto de que estos tengan una longitud entera.
   - Se forman los intervalos de modo que el extremo inferior del primero sea algo menor
       que a y el extremo superior del último sea algo superior a b. Es deseable que los
       extremos de los intervalos no coincidan con ninguno de los datos. Para ello, puede
       convenir que dichos extremos tengan valores no enteros.

El punto medio de cada intervalo se llama marca de clase. Es el valor que representa a todo
el intervalo para el cálculo de algunos parámetros.

Cuando se elabora una tabla con datos agrupados, se pierde algo de información (pues en ella
se ignora cada valor concreto, que se difumina dentro de un intervalo). A cambio, se gana en
claridad y eficacia.
Tema 9 - Estadística - Matemáticas B – 4º E.S.O.                                         3

9.3 GRÁFICOS ESTADÍSTICOS

9.3.1 - GRAFICOS PARA VARIABLES CUALITATIVAS O CUANTITATIVAS
DISCRETAS

Diagrama de barras:
    - En el eje de las X : Se representan los valores de la variable
    - En el eje de las Y : Se representan los valores de la frecuencia: f, fr ó %
    - Se levanta para cada valor de la X una barra que representa la frecuencia de dicho
       valor.
Si unimos mediante una poligonal los puntos más altos de cada barra obtenemos el polígono
de frecuencias.

Diagrama de barras acumuladas:
    - En el eje de las X : Se representan los valores de la variable
    - En el eje de las Y : Se representan los valores de la frecuencia acumulada: F, Fr ó %a
    - Se levanta para cada valor de la X una barra que representa la frecuencia acumulada
       de dicho valor.
Si unimos mediante una poligonal los puntos más altos de cada barra obtenemos el polígono
de frecuencias acumuladas.

9.3.2 - GRAFICOS PARA VARIABLES CUANTITATIVAS CONTINUAS

SI TODOS LOS INTERVALOS TIENEN LA MISMA AMPLITUD

Histograma :
    - En el eje de las X : Se representan los valores de la variable
    - En el eje de las Y : Se representan los valores de la frecuencia: f, fr ó %
    - Se levanta para cada valor del intervalo de la X un rectángulo de altura la frecuencia
       de dicho intervalo.
Si unimos mediante una poligonal los puntos medios de cada uno de dichos rectángulos el
polígono de frecuencias.

Diagrama de barras acumuladas:
    - En el eje de las X : Se representan los valores de la variable
    - En el eje de las Y : Se representan los valores de la frecuencia acumulada: F, Fr ó %a
    - Se levanta para cada valor del intervalo de la X un rectángulo de altura la frecuencia
       acumulada de dicho valor.
Si unimos mediante una poligonal las diagonales de dichos rectángulos obtenemos el
polígono de frecuencias acumuladas.

SI LOS INTERVALOS NO SON TODOS DE LA MISMA AMPLITUD

En el eje de las Y: En vez de representar la frecuencia se representa la densidad de frecuencia
: di = fi/ai siendo ai la amplitud de dicho intervalo, para que así la frecuencia coincida con el
área del rectángulo.

9.3.3 - DIAGRAMAS DE SECTORES

Se dibuja un círculo y los porcentajes correspondientes a cada valor.
Tema 9 - Estadística - Matemáticas B – 4º E.S.O.                                  4

9.4 PARÁMETROS DE CENTRALIZACIÓN Y DISPERSIÓN

Las definiciones siguientes sirven tanto para datos aislados como para datos agrupados en
intervalos:
    - Si los datos son aislados: los xi son los valores que toma la variable
    - Si los datos están agrupados en intervalos: los xi son las marcas de clase.

9.4.1 - MEDIA


x=
     ∑ f .x
          i       i
                      =
                              ∑ f .x
                                 i     i

      ∑f      i                 N

9.4.2 - VARIANZA

         ∑ f .(x              − x) 2     ∑ f .x   2
                                                           2
                                       =              −x
                  i       i                 i     i
Var =
                      N                    N

9.4.3 - DESVIACIÓN TÍPICA

σ=      Varianza

9.4.4 - COEFICIENTE DE VARIACIÓN

         σ
C.V. =                    Sirve para comparar las dispersiones de poblaciones
         x
                          heterogéneas, pues indica la variación relativa.
Tema 9 - Estadística - Matemáticas B – 4º E.S.O.                                        5



9.5 MEDIDAS DE POSICIÓN PARA DATOS AISLADOS

9.5.1 - MEDIANA

Si los individuos de una población están colocados en orden creciente según la variable que
estudiamos, el que ocupa el valor central se llama individuo mediano, y su valor, la mediana:
Me

La mediana, Me, está situada de modo que antes de ella está el 50% de la población y,
detrás, el otro 50%

Si el número de individuos es par, la median es el valor medio de los dos centrales.

9.5.2 - CUARTILES

Si un lugar de partir la totalidad de los individuos en dos mitades, lo hacemos en cuatro
partes iguales (todas ellas con el mismo número de individuos), los dos nuevos puntos de
partición se llaman cuartiles.

Cuartil inferir: Q1, es un valor de la variable que deja por debajo de él al 25 % de la
población, y por encima, al 75%

Cuartil superior: Q3, deja debajo el 75% y encima el 25%

En realidad existiría uno cuartil, Q2, que coincide con la mediana.

También se suelen llamar, primer cuartil, segundo cuartil = mediana y tercer cuartil.

9.5.3 - CENTILES O PERCENTILES

Si partimos la población en 100 partes y señalamos el lugar que deja debajo k de ellas, el
valor de la variable correspondiente a es lugar se designa por pk y se denomina centil k o
percentil k.

La mediana es Me = p50 y los cuartiles Q1 = p25, Q75

Si en vez de dividir en 100 partes dividimos sólo en 10, obtenemos los deciles:
D2 = p20

9.5.4 - OBTENCIÓN PERCENTILES EN TABLAS DE FRECUENCIAS

Para hallar el percentil pk en una tabla de frecuencias, se obtienen los porcentajes
acumulados. El percentil pk es el valor para el cual la frecuencia acumulada correspondiente
supera el k%.

En el caso de que una de ellas coincida con k%, se toma como pk el valor intermedio entre
ese valor de x y el siguiente.
Tema 9 - Estadística - Matemáticas B – 4º E.S.O.                                       6

9.6 MEDIDAS DE POSICIÓN PARA DATOS AGRUPADOS EN
    INTERVALOS

9.6.1 - INTRODUCCIÓN

En las tablas de frecuencias con datos agrupados en intervalos se ha perdido el valor
concreto de cada individuo. ¿Cómo saber, pues, dónde está la mediana o el percentil 20?

Teniendo en cuenta el convenio: En una tabla de frecuencias con datos agrupados en
intervalos, suponemos que los datos de cada intervalo se reparten uniformemente en él.

Según esto, los valores de las frecuencias acumuladas deben asignarse a los extremos
superiores de los intervalos, pues es al final de cada intervalo cuando se han contabilizado
todos los individuos.

9.6.2 - CÁLCULO

Procedemos como si los datos no estuviesen agrupados para hallar el intervalo
correspondiente, y teniendo en cuenta el polígono de porcentajes acumuladas en dicho
intervalo:
                                                          %i


            %aci-1                                        %aci


                     xi-1                 x         xi

Aplicando semejanza de triángulos, obtendremos “x”.


9,7 DIAGRAMAS DE CAJA
Se construyen del siguiente modo:
    - La caja abarca el intervalo Q1, Q3 (llamado recorrido intercuartílico) y en ella se
       señala expresamente el valor de la Mediana, Me.
    - Los bigotes se trazan hasta abarcar la totalidad de los individuos, con la condición de
       que cada lado no se alargue más de una vez y media la longitud de la caja.
    - Si uno (o más) de los individuos quedara por debajo o por encima de esta longitud, el
       correspondiente bigote se dibujará con esa limitación y se añadiría, mediante
       asterisco, el individuo en el lugar que le corresponde.




                              Q1              Me     Q3


                                                           1,5.(Q3-Q1)
Tema 9 - Estadística - Matemáticas B – 4º E.S.O.                                        7

9. 8 - ESTADÍSTICA INFERENCIAL

9.8.1 – ¿POR QUÉ SE RECURRE A LAS MUESTRAS?

En la práctica, es muy frecuente tener que recurrir a una muestra para inferir datos de la
población por alguno o varios de los siguientes motivos:
1 – La población es excesivamente numerosa.
2 – La población es muy difícil, o imposible, de controlar.
3 – El proceso de medición es destructivo o demasiado caro.
4 – Se desea conocer rápidamente ciertos datos de la población y se tardaría demasiado en
consultar a todos.

9.8.2 – TAMAÑO DE LA MUESTRA

Respecto del tamaño, es claro que si la muestra es demasiado pequeña, no podremos extraer
de ella ninguna conclusión que valga la pena. Sin embargo, con muestras aparentemente muy
pequeñas se consiguen estimaciones sorprendentemente buenas en la realidad.

9.8.3 – LA MUESTRA HA DE ELEGIRSE AL AZAR

Al sustituir el estudio de la población por el de la muestra, se cometen errores. Pero con ellos
contamos de antemano y pueden controlarse.

Sin embargo, si la muestra está mal elegida (no es representativa), se producen errores
adicionales imprevistos e incontrolados (sesgos).

El proceso mediante el cual se confecciona la muestra se llama muestreo. ¿Cómo debe ser el
muestreo para que nos proporcione una muestra representativa, no sesgada? La muestra ha de
ser elegida al azar, es decir, el muestreo ha de ser aleatorio.

Se dice que un muestreo es aleatorio cuando los individuos de la muestra se eligen al azar,
de modo que todos los individuos de la población tienen la misma probabilidad de ser
elegidos.

El muestreo aleatorio es el único que garantiza la fiabilidad de las conclusiones que se
obtengan.

9.8.4 – CONCLUSIONES QUE SE OBTIENEN DE UNA MUESTRA

Las valoraciones numéricas se dan mediante intervalos, acompañados de una probabilidad
(nivel de confianza).

Cuanto más amplio es el intervalo, mayor es el nivel de confianza que tendremos. Y, al
contrario, si se quiere afinar mucho en las previsiones reduciendo el intervalo, perderemos
confianza en los resultados.

El tamaño de la muestra también influye. Aumentándolo podremos:
    - Mejorar el nivel de confianza manteniendo la amplitud del intervalo.
    - Reducir la amplitud del intervalo manteniendo el nivel de confianza.

Más contenido relacionado

La actualidad más candente

Estadística Descriptiva. Medidas de posicion
Estadística Descriptiva. Medidas de posicionEstadística Descriptiva. Medidas de posicion
Estadística Descriptiva. Medidas de posicion
Juan González Díaz
 
Medidas de Dispersión..pdf
Medidas de Dispersión..pdfMedidas de Dispersión..pdf
Medidas de Dispersión..pdf
Carlos Franco
 
Asimetria y Curtosis, Resumen de Medidas de Dispersión.pdf
Asimetria y Curtosis, Resumen de Medidas de Dispersión.pdfAsimetria y Curtosis, Resumen de Medidas de Dispersión.pdf
Asimetria y Curtosis, Resumen de Medidas de Dispersión.pdf
Carlos Franco
 
Estadistica I
Estadistica IEstadistica I
Estadistica I
Videoconferencias UTPL
 
3eso quincena11
3eso quincena113eso quincena11
3eso quincena11
Ervin Lopez
 
Tesina fin de curso
Tesina fin de cursoTesina fin de curso
Tesina fin de curso
Ale Leon
 
MEDIDASDEDISPERSION.pdf
MEDIDASDEDISPERSION.pdfMEDIDASDEDISPERSION.pdf
MEDIDASDEDISPERSION.pdf
Carlos Franco
 
Estadistica 2º eso
Estadistica 2º esoEstadistica 2º eso
Estadistica 2º eso
larubia1
 
Presentación gráfica de datos cuantitativos.
Presentación gráfica de datos cuantitativos.Presentación gráfica de datos cuantitativos.
Presentación gráfica de datos cuantitativos.
hectorquintero
 
Quevedo f.-medidas-de-tendencia-central-y-dispersion.-medwave-2011-ma-113.
Quevedo f.-medidas-de-tendencia-central-y-dispersion.-medwave-2011-ma-113.Quevedo f.-medidas-de-tendencia-central-y-dispersion.-medwave-2011-ma-113.
Quevedo f.-medidas-de-tendencia-central-y-dispersion.-medwave-2011-ma-113.
paulminiguano
 
Guia estudio 03.pptxestadistica
Guia estudio 03.pptxestadisticaGuia estudio 03.pptxestadistica
Guia estudio 03.pptxestadistica
cienciascontables
 
Medidas resumen
Medidas resumenMedidas resumen
Medidas resumen
GREGORIO RODRIGUEZ GARCIA
 
estadistica inferencial
estadistica inferencialestadistica inferencial
estadistica inferencial
Ruben Santos
 
Tema 4,DESCRIPCION DE CONJUNTOS DE DATOS
Tema 4,DESCRIPCION DE CONJUNTOS DE DATOSTema 4,DESCRIPCION DE CONJUNTOS DE DATOS
Tema 4,DESCRIPCION DE CONJUNTOS DE DATOS
JORGE JIMENEZ
 
Estadistica primera parte
Estadistica primera parteEstadistica primera parte
Estadistica primera parte
Ángel Luis Vicentín
 
Cuartiles_deciles_y_percentiles.Ppalpdf.pdf
Cuartiles_deciles_y_percentiles.Ppalpdf.pdfCuartiles_deciles_y_percentiles.Ppalpdf.pdf
Cuartiles_deciles_y_percentiles.Ppalpdf.pdf
Carlos Franco
 
Estadistica I 03
Estadistica  I 03Estadistica  I 03
Estadistica I 03
Leonardo Simmons
 
Procesamiento. estadistica conceptos
Procesamiento. estadistica conceptosProcesamiento. estadistica conceptos
Procesamiento. estadistica conceptos
lady
 
Estadistica 2. distribucion de frecuencias
Estadistica   2. distribucion de frecuenciasEstadistica   2. distribucion de frecuencias
Estadistica 2. distribucion de frecuencias
Edward Ropero
 
Estadistica I 02
Estadistica  I 02Estadistica  I 02
Estadistica I 02
Leonardo Simmons
 

La actualidad más candente (20)

Estadística Descriptiva. Medidas de posicion
Estadística Descriptiva. Medidas de posicionEstadística Descriptiva. Medidas de posicion
Estadística Descriptiva. Medidas de posicion
 
Medidas de Dispersión..pdf
Medidas de Dispersión..pdfMedidas de Dispersión..pdf
Medidas de Dispersión..pdf
 
Asimetria y Curtosis, Resumen de Medidas de Dispersión.pdf
Asimetria y Curtosis, Resumen de Medidas de Dispersión.pdfAsimetria y Curtosis, Resumen de Medidas de Dispersión.pdf
Asimetria y Curtosis, Resumen de Medidas de Dispersión.pdf
 
Estadistica I
Estadistica IEstadistica I
Estadistica I
 
3eso quincena11
3eso quincena113eso quincena11
3eso quincena11
 
Tesina fin de curso
Tesina fin de cursoTesina fin de curso
Tesina fin de curso
 
MEDIDASDEDISPERSION.pdf
MEDIDASDEDISPERSION.pdfMEDIDASDEDISPERSION.pdf
MEDIDASDEDISPERSION.pdf
 
Estadistica 2º eso
Estadistica 2º esoEstadistica 2º eso
Estadistica 2º eso
 
Presentación gráfica de datos cuantitativos.
Presentación gráfica de datos cuantitativos.Presentación gráfica de datos cuantitativos.
Presentación gráfica de datos cuantitativos.
 
Quevedo f.-medidas-de-tendencia-central-y-dispersion.-medwave-2011-ma-113.
Quevedo f.-medidas-de-tendencia-central-y-dispersion.-medwave-2011-ma-113.Quevedo f.-medidas-de-tendencia-central-y-dispersion.-medwave-2011-ma-113.
Quevedo f.-medidas-de-tendencia-central-y-dispersion.-medwave-2011-ma-113.
 
Guia estudio 03.pptxestadistica
Guia estudio 03.pptxestadisticaGuia estudio 03.pptxestadistica
Guia estudio 03.pptxestadistica
 
Medidas resumen
Medidas resumenMedidas resumen
Medidas resumen
 
estadistica inferencial
estadistica inferencialestadistica inferencial
estadistica inferencial
 
Tema 4,DESCRIPCION DE CONJUNTOS DE DATOS
Tema 4,DESCRIPCION DE CONJUNTOS DE DATOSTema 4,DESCRIPCION DE CONJUNTOS DE DATOS
Tema 4,DESCRIPCION DE CONJUNTOS DE DATOS
 
Estadistica primera parte
Estadistica primera parteEstadistica primera parte
Estadistica primera parte
 
Cuartiles_deciles_y_percentiles.Ppalpdf.pdf
Cuartiles_deciles_y_percentiles.Ppalpdf.pdfCuartiles_deciles_y_percentiles.Ppalpdf.pdf
Cuartiles_deciles_y_percentiles.Ppalpdf.pdf
 
Estadistica I 03
Estadistica  I 03Estadistica  I 03
Estadistica I 03
 
Procesamiento. estadistica conceptos
Procesamiento. estadistica conceptosProcesamiento. estadistica conceptos
Procesamiento. estadistica conceptos
 
Estadistica 2. distribucion de frecuencias
Estadistica   2. distribucion de frecuenciasEstadistica   2. distribucion de frecuencias
Estadistica 2. distribucion de frecuencias
 
Estadistica I 02
Estadistica  I 02Estadistica  I 02
Estadistica I 02
 

Similar a Teoria estadistica

Estadística
EstadísticaEstadística
Estadística
Mar Tuxi
 
ORGANIZACIÓN-ESTADISTICA.ppt
ORGANIZACIÓN-ESTADISTICA.pptORGANIZACIÓN-ESTADISTICA.ppt
ORGANIZACIÓN-ESTADISTICA.ppt
ssuserf17ffb
 
Presentacion Nro 2 saia
Presentacion Nro 2 saiaPresentacion Nro 2 saia
Presentacion Nro 2 saia
Jose Planchart
 
Distribuciones de frecuencias
Distribuciones de frecuenciasDistribuciones de frecuencias
Distribuciones de frecuencias
Janet Rios
 
Distribuciones de frecuencias
Distribuciones de frecuenciasDistribuciones de frecuencias
Distribuciones de frecuencias
Janet Rios
 
Probabilidad y estadistica teoria
Probabilidad y estadistica teoriaProbabilidad y estadistica teoria
Probabilidad y estadistica teoria
MiguelLav
 
Organizacion de datos
Organizacion de datosOrganizacion de datos
Organizacion de datos
cesardavid25
 
Organización de los datos.
Organización de los datos. Organización de los datos.
Organización de los datos.
vanessamadriz1109
 
Nota de clase estad1
Nota de clase estad1Nota de clase estad1
Nota de clase estad1
Obstetricia Unvime
 
Estadistica excel
Estadistica excelEstadistica excel
Estadistica excel
MAGDANET CAFE
 
Trbajosubcom4diseñoestadistico
Trbajosubcom4diseñoestadisticoTrbajosubcom4diseñoestadistico
Trbajosubcom4diseñoestadistico
delma alvarez ramos
 
Pwp de kelly moreno orgnizacion de dtos
Pwp de kelly moreno orgnizacion de dtosPwp de kelly moreno orgnizacion de dtos
Pwp de kelly moreno orgnizacion de dtos
Kelly Moreno
 
Fundamentos de Estadistica Basica ccesa007
Fundamentos de Estadistica Basica  ccesa007Fundamentos de Estadistica Basica  ccesa007
Fundamentos de Estadistica Basica ccesa007
Demetrio Ccesa Rayme
 
Tema2
Tema2Tema2
Actividad en equipo
Actividad en equipoActividad en equipo
Actividad en equipo
delma alvarez ramos
 
Organizacion de datos
Organizacion de datosOrganizacion de datos
Organizacion de datos
Jose Mata Gonzalez
 
Tarea4
Tarea4Tarea4
Tarea4
Tarea4Tarea4
Estadistica descriptiva
Estadistica descriptivaEstadistica descriptiva
Estadistica descriptiva
Yeny Alegre
 
Estadística descriptiva ii
Estadística descriptiva iiEstadística descriptiva ii
Estadística descriptiva ii
luis fajardo urbiña
 

Similar a Teoria estadistica (20)

Estadística
EstadísticaEstadística
Estadística
 
ORGANIZACIÓN-ESTADISTICA.ppt
ORGANIZACIÓN-ESTADISTICA.pptORGANIZACIÓN-ESTADISTICA.ppt
ORGANIZACIÓN-ESTADISTICA.ppt
 
Presentacion Nro 2 saia
Presentacion Nro 2 saiaPresentacion Nro 2 saia
Presentacion Nro 2 saia
 
Distribuciones de frecuencias
Distribuciones de frecuenciasDistribuciones de frecuencias
Distribuciones de frecuencias
 
Distribuciones de frecuencias
Distribuciones de frecuenciasDistribuciones de frecuencias
Distribuciones de frecuencias
 
Probabilidad y estadistica teoria
Probabilidad y estadistica teoriaProbabilidad y estadistica teoria
Probabilidad y estadistica teoria
 
Organizacion de datos
Organizacion de datosOrganizacion de datos
Organizacion de datos
 
Organización de los datos.
Organización de los datos. Organización de los datos.
Organización de los datos.
 
Nota de clase estad1
Nota de clase estad1Nota de clase estad1
Nota de clase estad1
 
Estadistica excel
Estadistica excelEstadistica excel
Estadistica excel
 
Trbajosubcom4diseñoestadistico
Trbajosubcom4diseñoestadisticoTrbajosubcom4diseñoestadistico
Trbajosubcom4diseñoestadistico
 
Pwp de kelly moreno orgnizacion de dtos
Pwp de kelly moreno orgnizacion de dtosPwp de kelly moreno orgnizacion de dtos
Pwp de kelly moreno orgnizacion de dtos
 
Fundamentos de Estadistica Basica ccesa007
Fundamentos de Estadistica Basica  ccesa007Fundamentos de Estadistica Basica  ccesa007
Fundamentos de Estadistica Basica ccesa007
 
Tema2
Tema2Tema2
Tema2
 
Actividad en equipo
Actividad en equipoActividad en equipo
Actividad en equipo
 
Organizacion de datos
Organizacion de datosOrganizacion de datos
Organizacion de datos
 
Tarea4
Tarea4Tarea4
Tarea4
 
Tarea4
Tarea4Tarea4
Tarea4
 
Estadistica descriptiva
Estadistica descriptivaEstadistica descriptiva
Estadistica descriptiva
 
Estadística descriptiva ii
Estadística descriptiva iiEstadística descriptiva ii
Estadística descriptiva ii
 

Más de Lúaz Garcia

Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesis
Lúaz Garcia
 
Estad quimestimacionintconfianza
Estad quimestimacionintconfianzaEstad quimestimacionintconfianza
Estad quimestimacionintconfianza
Lúaz Garcia
 
Ejemplos de distribuciones probabilidad
Ejemplos de distribuciones  probabilidadEjemplos de distribuciones  probabilidad
Ejemplos de distribuciones probabilidad
Lúaz Garcia
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
Lúaz Garcia
 
Probabilidad
ProbabilidadProbabilidad
Probabilidad
Lúaz Garcia
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
Lúaz Garcia
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
Lúaz Garcia
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
Lúaz Garcia
 
Probabilidad
ProbabilidadProbabilidad
Probabilidad
Lúaz Garcia
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
Lúaz Garcia
 
Estadis trab fin
Estadis trab finEstadis trab fin
Estadis trab fin
Lúaz Garcia
 
Ejemplos de ejercicios bernoulli
Ejemplos de ejercicios bernoulliEjemplos de ejercicios bernoulli
Ejemplos de ejercicios bernoulli
Lúaz Garcia
 
Ejemplos de ejercicios bernoulli
Ejemplos de ejercicios bernoulliEjemplos de ejercicios bernoulli
Ejemplos de ejercicios bernoulli
Lúaz Garcia
 
Teoría de probabilidad
Teoría de probabilidadTeoría de probabilidad
Teoría de probabilidad
Lúaz Garcia
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
Lúaz Garcia
 
conceptos y ejemplos de probabilidad
conceptos y ejemplos de probabilidad conceptos y ejemplos de probabilidad
conceptos y ejemplos de probabilidad
Lúaz Garcia
 
Universidad tecnologica de torreon
Universidad tecnologica de torreonUniversidad tecnologica de torreon
Universidad tecnologica de torreon
Lúaz Garcia
 

Más de Lúaz Garcia (20)

Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesis
 
Estad quimestimacionintconfianza
Estad quimestimacionintconfianzaEstad quimestimacionintconfianza
Estad quimestimacionintconfianza
 
2
22
2
 
Prob
ProbProb
Prob
 
Probabilidad
ProbabilidadProbabilidad
Probabilidad
 
Ejemplos de distribuciones probabilidad
Ejemplos de distribuciones  probabilidadEjemplos de distribuciones  probabilidad
Ejemplos de distribuciones probabilidad
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
 
Probabilidad
ProbabilidadProbabilidad
Probabilidad
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
 
Probabilidad
ProbabilidadProbabilidad
Probabilidad
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
 
Estadis trab fin
Estadis trab finEstadis trab fin
Estadis trab fin
 
Ejemplos de ejercicios bernoulli
Ejemplos de ejercicios bernoulliEjemplos de ejercicios bernoulli
Ejemplos de ejercicios bernoulli
 
Ejemplos de ejercicios bernoulli
Ejemplos de ejercicios bernoulliEjemplos de ejercicios bernoulli
Ejemplos de ejercicios bernoulli
 
Teoría de probabilidad
Teoría de probabilidadTeoría de probabilidad
Teoría de probabilidad
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
 
conceptos y ejemplos de probabilidad
conceptos y ejemplos de probabilidad conceptos y ejemplos de probabilidad
conceptos y ejemplos de probabilidad
 
Universidad tecnologica de torreon
Universidad tecnologica de torreonUniversidad tecnologica de torreon
Universidad tecnologica de torreon
 

Teoria estadistica

  • 1. Tema 9 - Estadística - Matemáticas B – 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN Objetivo: La estadística tiene por objeto el desarrollo de técnicas para el conocimiento numérico de un conjunto de datos empíricos (recogidos mediante experimentos o encuestas). Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Muestra: Es un subconjunto, extraído de la población, cuyo estudio sirve para inferir características de toda la población. Individuo: Es cada uno de los elementos que forman la población o la muestra. Caracteres y variables: Caracteres son los aspectos que deseamos estudiar en los individuos de una población. Cada carácter puede tomar distintos valores o modalidades. Una variable estadística recorre todos los valores de un cierto carácter. Clasificación de las variables estadísticas: • Cualitativas: No toman valores numéricos • Cuantitativas discretas: Toman valores numéricos aislados • Cuantitativas continuas: Pueden tomar todos los valores de un intervalo. 9.1.2 - DOS RAMAS DE LA ESTADÍSTICA • La estadística descriptiva: Trata de “describir” y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor. Para este estudio, se siguen estos pasos: - Selección de caracteres que interese estudiar. - Análisis de cada carácter: diseño de la encuesta o del experimento y recogida de datos. - Clasificación y organización de los resultados en tablas de frecuencias. - Elaboración de gráficos, si conviene, para divulgarlos a un público amplio (no experto). - Obtención de parámetros: valores numéricos que resumen la información obtenida. • La estadística inferencial: Trabaja con muestras y pretende, a partir de ellas, “inferir” características de toda la población. Es decir, se pretende tomar como generales propiedades que solo se han verificado para casos particulares. En ese proceso hay que operar con mucha cautela: ¿Cómo se elige la muestra?, ¿Qué grado de confianza se puede tener en el resultado obtenido? (No la estudiaremos este año)
  • 2. Tema 9 - Estadística - Matemáticas B – 4º E.S.O. 2 ESTADÍSTICA DESCRIPTIVA 9.2 TABLAS DE FRECUENCIAS 9.2.1 - DEFINICIÓN Las tablas de frecuencias sirven para ordenar y organizar los datos estadísticos. Con ellas, una masa amorfa de datos pasa a ser una colección ordenada y perfectamente inteligible. xi fi Con los datos se construye la tabla de frecuencias: - En la primera columna, la variable xi, con todos sus posibles valores - En la segunda columna, la correspondiente frecuencia, fi: número de veces que aparece cada valor. 9.2.2 -FRECUENCIAS RELATIVAS Cuando se desea comparar varias distribuciones similares con distinto número de elementos, se debe recurrir a las frecuencias relativas. Estas vienen dadas en “tanto por uno” (fr) o en f 100.f “tantos por ciento” (%). Si N es el número de individuos: fr = % = 100.fr = N N 9.2.3 - FRECUENCIAS ACUMULADAS En una distribución de frecuencias, se llama frecuencia acumulada, Fi, correspondiente al valor i-ésimo, xi, a la suma de la frecuencia de ese valor con todas las anteriores: Fi = f1 + f2 + .... + fi Análogamente se puede definir frecuencia relativa acumulada o porcentaje acumulado. 9.2.4 - TABLAS CON DATOS AGRUPADOS Cuando en una distribución estadística el número de valores que toma la variable es muy grande, conviene elaborar una tabla de frecuencias agrupándolos en intervalos. Para ello: - Se localizan los valores extremos, a y b, y se halla su diferencia, r = b–a - Se decide el número de intervalos que se quiere formar, teniendo en cuenta la cantidad de datos que se poseen. El número de intervalos no debe ser inferior a 6 ni superior a 15. - Se toma un intervalo, r’, de longitud algo mayor que el recorrido r y que sea múltiplo del número de intervalos, con objeto de que estos tengan una longitud entera. - Se forman los intervalos de modo que el extremo inferior del primero sea algo menor que a y el extremo superior del último sea algo superior a b. Es deseable que los extremos de los intervalos no coincidan con ninguno de los datos. Para ello, puede convenir que dichos extremos tengan valores no enteros. El punto medio de cada intervalo se llama marca de clase. Es el valor que representa a todo el intervalo para el cálculo de algunos parámetros. Cuando se elabora una tabla con datos agrupados, se pierde algo de información (pues en ella se ignora cada valor concreto, que se difumina dentro de un intervalo). A cambio, se gana en claridad y eficacia.
  • 3. Tema 9 - Estadística - Matemáticas B – 4º E.S.O. 3 9.3 GRÁFICOS ESTADÍSTICOS 9.3.1 - GRAFICOS PARA VARIABLES CUALITATIVAS O CUANTITATIVAS DISCRETAS Diagrama de barras: - En el eje de las X : Se representan los valores de la variable - En el eje de las Y : Se representan los valores de la frecuencia: f, fr ó % - Se levanta para cada valor de la X una barra que representa la frecuencia de dicho valor. Si unimos mediante una poligonal los puntos más altos de cada barra obtenemos el polígono de frecuencias. Diagrama de barras acumuladas: - En el eje de las X : Se representan los valores de la variable - En el eje de las Y : Se representan los valores de la frecuencia acumulada: F, Fr ó %a - Se levanta para cada valor de la X una barra que representa la frecuencia acumulada de dicho valor. Si unimos mediante una poligonal los puntos más altos de cada barra obtenemos el polígono de frecuencias acumuladas. 9.3.2 - GRAFICOS PARA VARIABLES CUANTITATIVAS CONTINUAS SI TODOS LOS INTERVALOS TIENEN LA MISMA AMPLITUD Histograma : - En el eje de las X : Se representan los valores de la variable - En el eje de las Y : Se representan los valores de la frecuencia: f, fr ó % - Se levanta para cada valor del intervalo de la X un rectángulo de altura la frecuencia de dicho intervalo. Si unimos mediante una poligonal los puntos medios de cada uno de dichos rectángulos el polígono de frecuencias. Diagrama de barras acumuladas: - En el eje de las X : Se representan los valores de la variable - En el eje de las Y : Se representan los valores de la frecuencia acumulada: F, Fr ó %a - Se levanta para cada valor del intervalo de la X un rectángulo de altura la frecuencia acumulada de dicho valor. Si unimos mediante una poligonal las diagonales de dichos rectángulos obtenemos el polígono de frecuencias acumuladas. SI LOS INTERVALOS NO SON TODOS DE LA MISMA AMPLITUD En el eje de las Y: En vez de representar la frecuencia se representa la densidad de frecuencia : di = fi/ai siendo ai la amplitud de dicho intervalo, para que así la frecuencia coincida con el área del rectángulo. 9.3.3 - DIAGRAMAS DE SECTORES Se dibuja un círculo y los porcentajes correspondientes a cada valor.
  • 4. Tema 9 - Estadística - Matemáticas B – 4º E.S.O. 4 9.4 PARÁMETROS DE CENTRALIZACIÓN Y DISPERSIÓN Las definiciones siguientes sirven tanto para datos aislados como para datos agrupados en intervalos: - Si los datos son aislados: los xi son los valores que toma la variable - Si los datos están agrupados en intervalos: los xi son las marcas de clase. 9.4.1 - MEDIA x= ∑ f .x i i = ∑ f .x i i ∑f i N 9.4.2 - VARIANZA ∑ f .(x − x) 2 ∑ f .x 2 2 = −x i i i i Var = N N 9.4.3 - DESVIACIÓN TÍPICA σ= Varianza 9.4.4 - COEFICIENTE DE VARIACIÓN σ C.V. = Sirve para comparar las dispersiones de poblaciones x heterogéneas, pues indica la variación relativa.
  • 5. Tema 9 - Estadística - Matemáticas B – 4º E.S.O. 5 9.5 MEDIDAS DE POSICIÓN PARA DATOS AISLADOS 9.5.1 - MEDIANA Si los individuos de una población están colocados en orden creciente según la variable que estudiamos, el que ocupa el valor central se llama individuo mediano, y su valor, la mediana: Me La mediana, Me, está situada de modo que antes de ella está el 50% de la población y, detrás, el otro 50% Si el número de individuos es par, la median es el valor medio de los dos centrales. 9.5.2 - CUARTILES Si un lugar de partir la totalidad de los individuos en dos mitades, lo hacemos en cuatro partes iguales (todas ellas con el mismo número de individuos), los dos nuevos puntos de partición se llaman cuartiles. Cuartil inferir: Q1, es un valor de la variable que deja por debajo de él al 25 % de la población, y por encima, al 75% Cuartil superior: Q3, deja debajo el 75% y encima el 25% En realidad existiría uno cuartil, Q2, que coincide con la mediana. También se suelen llamar, primer cuartil, segundo cuartil = mediana y tercer cuartil. 9.5.3 - CENTILES O PERCENTILES Si partimos la población en 100 partes y señalamos el lugar que deja debajo k de ellas, el valor de la variable correspondiente a es lugar se designa por pk y se denomina centil k o percentil k. La mediana es Me = p50 y los cuartiles Q1 = p25, Q75 Si en vez de dividir en 100 partes dividimos sólo en 10, obtenemos los deciles: D2 = p20 9.5.4 - OBTENCIÓN PERCENTILES EN TABLAS DE FRECUENCIAS Para hallar el percentil pk en una tabla de frecuencias, se obtienen los porcentajes acumulados. El percentil pk es el valor para el cual la frecuencia acumulada correspondiente supera el k%. En el caso de que una de ellas coincida con k%, se toma como pk el valor intermedio entre ese valor de x y el siguiente.
  • 6. Tema 9 - Estadística - Matemáticas B – 4º E.S.O. 6 9.6 MEDIDAS DE POSICIÓN PARA DATOS AGRUPADOS EN INTERVALOS 9.6.1 - INTRODUCCIÓN En las tablas de frecuencias con datos agrupados en intervalos se ha perdido el valor concreto de cada individuo. ¿Cómo saber, pues, dónde está la mediana o el percentil 20? Teniendo en cuenta el convenio: En una tabla de frecuencias con datos agrupados en intervalos, suponemos que los datos de cada intervalo se reparten uniformemente en él. Según esto, los valores de las frecuencias acumuladas deben asignarse a los extremos superiores de los intervalos, pues es al final de cada intervalo cuando se han contabilizado todos los individuos. 9.6.2 - CÁLCULO Procedemos como si los datos no estuviesen agrupados para hallar el intervalo correspondiente, y teniendo en cuenta el polígono de porcentajes acumuladas en dicho intervalo: %i %aci-1 %aci xi-1 x xi Aplicando semejanza de triángulos, obtendremos “x”. 9,7 DIAGRAMAS DE CAJA Se construyen del siguiente modo: - La caja abarca el intervalo Q1, Q3 (llamado recorrido intercuartílico) y en ella se señala expresamente el valor de la Mediana, Me. - Los bigotes se trazan hasta abarcar la totalidad de los individuos, con la condición de que cada lado no se alargue más de una vez y media la longitud de la caja. - Si uno (o más) de los individuos quedara por debajo o por encima de esta longitud, el correspondiente bigote se dibujará con esa limitación y se añadiría, mediante asterisco, el individuo en el lugar que le corresponde. Q1 Me Q3 1,5.(Q3-Q1)
  • 7. Tema 9 - Estadística - Matemáticas B – 4º E.S.O. 7 9. 8 - ESTADÍSTICA INFERENCIAL 9.8.1 – ¿POR QUÉ SE RECURRE A LAS MUESTRAS? En la práctica, es muy frecuente tener que recurrir a una muestra para inferir datos de la población por alguno o varios de los siguientes motivos: 1 – La población es excesivamente numerosa. 2 – La población es muy difícil, o imposible, de controlar. 3 – El proceso de medición es destructivo o demasiado caro. 4 – Se desea conocer rápidamente ciertos datos de la población y se tardaría demasiado en consultar a todos. 9.8.2 – TAMAÑO DE LA MUESTRA Respecto del tamaño, es claro que si la muestra es demasiado pequeña, no podremos extraer de ella ninguna conclusión que valga la pena. Sin embargo, con muestras aparentemente muy pequeñas se consiguen estimaciones sorprendentemente buenas en la realidad. 9.8.3 – LA MUESTRA HA DE ELEGIRSE AL AZAR Al sustituir el estudio de la población por el de la muestra, se cometen errores. Pero con ellos contamos de antemano y pueden controlarse. Sin embargo, si la muestra está mal elegida (no es representativa), se producen errores adicionales imprevistos e incontrolados (sesgos). El proceso mediante el cual se confecciona la muestra se llama muestreo. ¿Cómo debe ser el muestreo para que nos proporcione una muestra representativa, no sesgada? La muestra ha de ser elegida al azar, es decir, el muestreo ha de ser aleatorio. Se dice que un muestreo es aleatorio cuando los individuos de la muestra se eligen al azar, de modo que todos los individuos de la población tienen la misma probabilidad de ser elegidos. El muestreo aleatorio es el único que garantiza la fiabilidad de las conclusiones que se obtengan. 9.8.4 – CONCLUSIONES QUE SE OBTIENEN DE UNA MUESTRA Las valoraciones numéricas se dan mediante intervalos, acompañados de una probabilidad (nivel de confianza). Cuanto más amplio es el intervalo, mayor es el nivel de confianza que tendremos. Y, al contrario, si se quiere afinar mucho en las previsiones reduciendo el intervalo, perderemos confianza en los resultados. El tamaño de la muestra también influye. Aumentándolo podremos: - Mejorar el nivel de confianza manteniendo la amplitud del intervalo. - Reducir la amplitud del intervalo manteniendo el nivel de confianza.